数字三角形(POJ1163)
Description
7 3 8 8 1 0 2 7 4 4 4 5 2 6 5
在上面的数字三角形中寻找一条从顶部到底边的路径,使得
路径上所经过的数字之和最大。路径上的每一步都只能往左下或右下走。只需要求出这个最大和即可,不必给出具体路径。三角形的行数大于1小于等于100,数字为 0 - 99输入格式:
5 //三角形行数。下面是三角形73 88 1 02 7 4 4 4 5 2 6 5要求输出最大和
Sample Output
30
Source
解题思路:
用二维数组存放数字三角形。D( r, j) : 第r行第 j 个数字(r,j从1开始算)MaxSum(r, j) : 从D(r,j)到底边的各条路径中,最佳路径的数字之和。问题:求 MaxSum(1,1)典型的递归问题。D(r, j)出发,下一步只能走D(r+1,j)或者D(r+1, j+1)。故对于N行的三角形:if ( r == N) MaxSum(r,j) = D(r,j)else MaxSum( r, j) = Max{ MaxSum(r+1,j), MaxSum(r+1,j+1) } + D(r,j)改进
如果每算出一个MaxSum(r,j)就保存起来,下次用
到其值的时候直接取用,则可免去重复计算。
递归转成递推
“人人为我”递推型动归 Pascal代码
1 //By LYLtim 2 //2010.10.18 3 uses math; 4 var n,i,j:byte; 5 a:array[1..10,1..10]of word; 6 f:array[1..10,1..10]of word; 7 begin 8 assign(input,'tower.in');reset(input); 9 assign(output,'tower.out');rewrite(output);10 readln(n);11 for i:=1 to n do12 begin13 for j:=1 to i do14 read(a[i,j]);15 readln;16 end;17 fillchar(f,sizeof(f),0);18 for i:=1 to n do f[n,i]:=a[n,i];19 for i:=n-1 downto 1 do20 for j:=1 to i do21 f[i,j]:=max(f[i+1,j],f[i+1,j+1])+a[i,j];22 writeln('max=',f[1,1]);23 close(input);close(output);24 end.
空间优化
没必要用二维maxSum数组存储每一个MaxSum(r,j),只要从底层一行行向上
递推,那么只要一维数组maxSum[100]即可,即只要存储一行的MaxSum值就可以。进一步考虑,连maxSum数组都可以不要,直接用D的
第n行替代maxSum即可。节省空间,时间复杂度不变
递推+空间优化 C++代码
1 //By LYLtim 2 //2015.2.11 3 #include4 #include 5 using namespace std; 6 int main() 7 { 8 int n, d[101][101]; 9 cin >> n;10 for (int i = 1; i <= n; i++)11 for (int j = 1; j <= i; j++)12 cin >> d[i][j];13 for (int i = n-1; i >= 1 ; i--)14 for (int j = 1; j <= i; j++)15 d[n][j] = max(d[n][j], d[n][j+1]) + d[i][j];16 cout << d[n][1];17 }
递归到动规的一般转化方法
递归函数有n个参数,就定义一个n维的数组,数组
的下标是递归函数参数的取值范围,数组元素的值是递归函数的返回值,这样就可以从边界值开始,逐步填充数组,相当于计算递归函数值的逆过程。
动规解题的一般思路
1. 将原问题分解为子问题 把原问题分解为若干个子问题,子问题和原问题形式相同或类似,只不过规模变小了。子问题都解决,原问题即解决(数字三角形例)。 子问题的解一旦求出就会被保存,所以每个子问题只需求解一次。2. 确定状态
在用动态规划解题时,我们往往将和子问题相关的各个变量的一组取值,称之为一个“状态”。一个“状态”对应于一个或多个子问题,所谓某个“状态”下的“值”,就是这个“状态”所对应的子问题的解。所有“状态”的集合,构成问题的“状态空间”。“状态
空间”的大小,与用动态规划解决问题的时间复杂度直接相关。在数字三角形的例子里,一共有N×(N+1)/2个数字,所以这个问题的状态空间里一共就有N×(N+1)/2个状态。整个问题的时间复杂度是状态数目乘以计算每个状态所需时间。在数字三角形里每个“状态”只需要经过一次,且在每个状态上作计算所花的时间都是和N无关的常数。用动态规划解题,经常碰到的情况是,K个整型变量能
构成一个状态(如数字三角形中的行号和列号这两个变量构成“状态”)。如果这K个整型变量的取值范围分别是N1, N2, ……Nk,那么,我们就可以用一个K维的数组array[N1] [N2]……[Nk]来存储各个状态的“值”。这个“值”未必就是一个整数或浮点数,可能是需要一个结构才能表示的,那么array就可以是一个结构数组。一个“状态”下的“值”通常会是一个或多个子问题的解。3. 确定一些初始状态(边界状态)的值
以“数字三角形”为例,初始状态就是底边数字,值就是底边数字值。4. 确定状态转移方程
定义出什么是“状态”,以及在该 “状态”下的“值”后,就要找出不同的状态之间如何迁移――即如何从一个或多个“值”已知的“状态”,求出另一个“状态”的“值”(“人人为我”递推型)。状态的迁移可以用递推公式表示,此递推公式也可被称作“状态转移方程”。
能用动规解决的问题的特点
1) 问题具有最优子结构性质。如果问题的最优解所包含的子问题的解也是最优的,我们就称该问题具有最优子结构性质。2) 无后效性。当前的若干个状态值一旦确定,则此后过程的演变就只和这若干个状态的值有关,和之前是采取哪种手段或经过哪条路径演变到当前的这若干个状态,没有关系。